申请/专利权人:西安交通大学
申请日:2024-03-05
公开(公告)日:2024-05-17
公开(公告)号:CN118052986A
主分类号:G06V10/26
分类号:G06V10/26;G06V10/82;G06V10/44;G06V10/80;G06V10/764;G06V10/766;G06N3/0455;G06N3/0464;G06N3/096
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.06.04#实质审查的生效;2024.05.17#公开
摘要:本发明公开了一种基于多任务辅助和全局语义引导的分割方法及系统,属于图像处理技术领域。该发明创造的优点在于引入了多任务学习,尤其是多任务交叉尺度变换器,有效解决了淋巴瘤PETCT分割中病变大小差异的问题,使网络能够适应不同大小的病变。改变了旧有的多任务工作流程,特别是分类引导动态卷积,提高了分割网络对分类任务结果的结合能力,增强了鲁棒性。采用特征级融合的UNet作为主干网络,有效地处理了PET和CT之间的图像外观差异,提高了网络在淋巴瘤PETCT分割任务中的性能。通过多任务监督和综合损失函数的设计,充分考虑了像素回归、分类和分割任务,使网络在训练过程中更全面地学习并提高了分割性能。
主权项:1.一种基于多任务辅助和全局语义引导的分割方法,其特征在于,包括如下步骤:获取多任务交叉尺度transformer、分类引导动态卷积及预处理后的医学横断面图像;将特征级融合的UNet作为主干网络,结合多任务交叉尺度transformer及分类引导动态卷积形成分割网络;将预处理后的医学横断面图像输入至分割网络中,获取全身性淋巴瘤分割图像,实现对图像的分割。
全文数据:
权利要求:
百度查询: 西安交通大学 一种基于多任务辅助和全局语义引导的分割方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。